SCHIGAND：用于人脸生成的合成数据管道
计算机视觉与模式识别
2026-01-26 v1 计算机与社会
摘要
随着对训练和测试生物识别系统所需的多样化高质量人脸数据集需求的增长，隐私法规、数据稀缺以及伦理问题构成了挑战。虽然合成人脸图像提供了潜在解决方案，但现有生成模型常常难以在真实性、多样性和身份保持之间取得平衡。本文提出了SCHIGAND，一种新型的人脸合成生成管道，集成了 StyleCLIP、HyperStyle、InterfaceGAN 和扩散模型，以生成高度真实且可控的人脸数据集。SCHIGAND 在保持人脸身份的同时，生成真实的类内变异并维持类间差异，适用于生物识别测试。生成的数据集采用领先的人脸验证模型 ArcFace 进行评估，以衡量其相对于真实世界人脸数据集的有效性。实验结果表明，SCHIGAND 在图像质量和多样性之间取得了平衡，解决了先前生成模型的关键局限性。本研究凸显了SCHIGAND在生物识别应用中补充甚至在某些情况下取代真实数据的潜力，为隐私合规且可扩展的合成数据集生成铺平了道路。
引用
@article{arxiv.2601.16627,
title = {SCHIGAND: A Synthetic Facial Generation Mode Pipeline},
author = {Ananya Kadali and Sunnie Jehan-Morrison and Orasiki Wellington and Barney Evans and Precious Durojaiye and Richard Guest},
journal= {arXiv preprint arXiv:2601.16627},
year = {2026}
}